career-ops 完整教程把你的 AI 编码终端变成 AI 求职引擎自动产出 ATS 友好的 PDF 简历【免费下载链接】career-opsOpen-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)项目地址: https://gitcode.com/GitHub_Trending/ca/career-ops如果你也经历过这样的求职日常——几百个职位贴要逐条翻、申请状态散落在电子表格的格子里、每投一家公司都要把简历改一遍——那 career-ops 就是为这种场景而生的。这是一款开源的 AI 求职系统装进你日常使用的 AI 编码终端Claude Code、Codex、OpenCode、Grok 等任意一种它就能替你读职位描述JD、评估匹配度、为每个岗位生成注入关键词的 ATS PDF 简历并把全部申请记录沉淀到一条可随时回查的管线里。这篇教程不堆概念带你从装好环境到生成第一份可投递的 PDF 简历走完全程。先让 AI 帮你钓鱼career-ops 解决了什么海投的本质是信息不对称招聘方用 AI 筛简历候选人却只能靠体力一条条刷职位。career-ops 的思路反过来——把 AI 交到候选人手里让你先筛公司。它的核心能力可以概括为四件A–H 结构化评估报告粘一个职位链接产出一份覆盖岗位画像、简历匹配、级别策略、薪酬研究、面试 STAR 故事的报告外加一个独立的职位真实性检查识别疑似虚假岗位最后给出 1–5 的整体评分。低于 4.0 的岗位系统会明确劝你省下时间。逐岗定制的 PDF 简历不是套模板而是从你的 cv.md 出发按目标 JD 抽取 15–20 个关键词、重排经历顺序再渲染成 ATS 能干净解析的 PDF。职位门户扫描内置 100 家预配置公司Anthropic、OpenAI、Retool、n8n……和 55 个 ATS/招聘板数据源Greenhouse、Lever、Ashby 等一条命令扫出在招岗位。全链路追踪评估、简历版本、申请状态全部落在本地文件中附带自动去重、状态归一和健康检查随时能回答现在卡在哪个环节。要强调的是定位它不是批量海投工具而是一个过滤器帮你从几百个岗位里挑出真正值得花时间的那几个。最终提交动作永远由你来做。5 分钟跑通career-ops 安装与最小配置整个前置准备很短先确认环境里有什么任意一款 AI 编码 CLIClaude Code、Codex、OpenCode、Grok 等Node.js 18 和 gitGo 1.24仅当你要用终端仪表板时接下来做这四件事每件都只有一行命令① 拉取仓库git clone https://gitcode.com/GitHub_Trending/ca/career-ops cd career-ops② 安装依赖PDF 渲染需要 Chromiumnpm 安装脚本会自动装好npm install③ 准备两份配置文件改一改就能长期复用cp config/profile.example.yml config/profile.yml cp templates/portals.example.yml portals.yml npm run doctorprofile.yml是你在所有模式下的唯一事实源姓名、联系方式、目标岗位、岗位画像archetypes都写在这里评估、简历、邮件草稿全读它。portals.yml则决定扫描哪些公司。npm run doctor会一次性校验所有前置条件输出通过即表示环境就绪。从一份 cv.md 到一份批可投递的 PDF 简历career-ops 的简历体系以根目录的cv.mdMarkdown 简历为源头。仓库里给了一个结构完整的示范 examples/cv-example.md照它的分区、量化指标写法搭一份自己的是投入产出比最高的一步。PDF 的生成链路是cv.md→build-cv-html.mjs产出 HTML → generate-pdf.mjs 用无头 Chromium 渲染成 PDF。渲染之前有两道安全闸技能差距检查会把 JD 要求分成已有 / 简历已体现 / 缺失三桶并明确告知你缺什么事实门禁会拒绝任何编造的数字。所以最终 PDF 里出现的每一句成就都能在你的 cv.md 里找到出处。HTML 就绪后一条命令出 PDFnode generate-pdf.mjs output/cv-alex-acme.html output/cv-alex-acme.pdf --formata4纸张规格按公司所在地区自动选择美加用 Letter其余地区用 A4也可以用--format手动指定多份文档则用--batchmanifest.json一次渲染。更省事的做法是直接在 AI CLI 里粘上 JD触发/career-ops自动管线评估、定制简历、生成 PDF、写入追踪表一次做完。功能拆解求职高频场景的四种玩法场景一批量评估一堆岗位把多个 JD 丢进去batch模式会用无头 CLI 工作进程并行评估每个岗位独立产出一份 A–H 报告和评分几分钟后你手里就是一张值得投 / 观望 / 放弃的清单。所有模式文件集中在 modes/ 目录评估逻辑auto-pipeline.md、batch.md都明文可读。场景二扫描招聘板发现新岗位node scan.mjs扫描器覆盖 55 个 provider 模块跑 API 拉取后可选--verify用浏览器二次核验把已下架的僵尸岗位挡在管线之外。场景三用 Go 仪表板查看求职进度仪表板是一个独立的终端 UIBubble Tea 编写只读追踪文件、不依赖 Node 核心npm run serve:dashboard提供 6 个筛选标签、4 种排序、分组/平铺视图、报告懒加载预览和行内状态修改。场景四简历之后的半程面试套件分时段备战计划、模拟练习、面后复盘外加 红旗检测Offer 阶段合同条款陪读 律师问题清单salary-gap.mjs分析期望/广告/实际薪酬缺口跟进与回复followup-cadence.mjs计算跟进节奏reply-watch把雇主回复归类并更新追踪表插件系统Gmail、Notion、Apify 等集成默认全部关闭按需开启说明见 docs/PLUGINS.md。卡住了怎么办一条自检命令 两份官方指南环境或流程出问题时先跑一遍健康检查npm run doctor它会逐项验证 CLI、依赖、配置文件等前置条件。再往深排查的话这两份文档值得先读完整设置细节在 docs/SETUP.md常见疑问包括本地/低成本模型跑法在 docs/FAQ.md 和 docs/RUNNING_ON_A_BUDGET.md。上手清单你的第一周克隆仓库、npm install、npm run doctor通过 ✅填好config/profile.yml建出自己的cv.md粘第一个 JD跑完自动管线拿到第一份 A–H 报告生成第一份 ATS PDF 简历对照 CV 视觉测试 的样例确认排版用scan.mjs扫一轮目标公司启动仪表板盯住管线项目本身还在快速迭代——多语言模式、本地模型运行、桌面端都已在路线图上。而你的使用数据故事库、偏好、评估记录全部沉淀在本地文件里喂得越多它对你是谁、想要什么的理解就越准。装好之后把那个一直想投的岗位 JD 粘进去就是最直接的开局。【免费下载链接】career-opsOpen-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)项目地址: https://gitcode.com/GitHub_Trending/ca/career-ops创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 career-ops 完整教程：把你的 AI 编码终端变成 AI 求职引擎，自动产出 ATS 友好的 PDF 简历
career-ops 完整教程把你的 AI 编码终端变成 AI 求职引擎自动产出 ATS 友好的 PDF 简历【免费下载链接】career-opsOpen-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)项目地址: https://gitcode.com/GitHub_Trending/ca/career-ops如果你也经历过这样的求职日常——几百个职位贴要逐条翻、申请状态散落在电子表格的格子里、每投一家公司都要把简历改一遍——那 career-ops 就是为这种场景而生的。这是一款开源的 AI 求职系统装进你日常使用的 AI 编码终端Claude Code、Codex、OpenCode、Grok 等任意一种它就能替你读职位描述JD、评估匹配度、为每个岗位生成注入关键词的 ATS PDF 简历并把全部申请记录沉淀到一条可随时回查的管线里。这篇教程不堆概念带你从装好环境到生成第一份可投递的 PDF 简历走完全程。先让 AI 帮你钓鱼career-ops 解决了什么海投的本质是信息不对称招聘方用 AI 筛简历候选人却只能靠体力一条条刷职位。career-ops 的思路反过来——把 AI 交到候选人手里让你先筛公司。它的核心能力可以概括为四件A–H 结构化评估报告粘一个职位链接产出一份覆盖岗位画像、简历匹配、级别策略、薪酬研究、面试 STAR 故事的报告外加一个独立的职位真实性检查识别疑似虚假岗位最后给出 1–5 的整体评分。低于 4.0 的岗位系统会明确劝你省下时间。逐岗定制的 PDF 简历不是套模板而是从你的 cv.md 出发按目标 JD 抽取 15–20 个关键词、重排经历顺序再渲染成 ATS 能干净解析的 PDF。职位门户扫描内置 100 家预配置公司Anthropic、OpenAI、Retool、n8n……和 55 个 ATS/招聘板数据源Greenhouse、Lever、Ashby 等一条命令扫出在招岗位。全链路追踪评估、简历版本、申请状态全部落在本地文件中附带自动去重、状态归一和健康检查随时能回答现在卡在哪个环节。要强调的是定位它不是批量海投工具而是一个过滤器帮你从几百个岗位里挑出真正值得花时间的那几个。最终提交动作永远由你来做。5 分钟跑通career-ops 安装与最小配置整个前置准备很短先确认环境里有什么任意一款 AI 编码 CLIClaude Code、Codex、OpenCode、Grok 等Node.js 18 和 gitGo 1.24仅当你要用终端仪表板时接下来做这四件事每件都只有一行命令① 拉取仓库git clone https://gitcode.com/GitHub_Trending/ca/career-ops cd career-ops② 安装依赖PDF 渲染需要 Chromiumnpm 安装脚本会自动装好npm install③ 准备两份配置文件改一改就能长期复用cp config/profile.example.yml config/profile.yml cp templates/portals.example.yml portals.yml npm run doctorprofile.yml是你在所有模式下的唯一事实源姓名、联系方式、目标岗位、岗位画像archetypes都写在这里评估、简历、邮件草稿全读它。portals.yml则决定扫描哪些公司。npm run doctor会一次性校验所有前置条件输出通过即表示环境就绪。从一份 cv.md 到一份批可投递的 PDF 简历career-ops 的简历体系以根目录的cv.mdMarkdown 简历为源头。仓库里给了一个结构完整的示范 examples/cv-example.md照它的分区、量化指标写法搭一份自己的是投入产出比最高的一步。PDF 的生成链路是cv.md→build-cv-html.mjs产出 HTML → generate-pdf.mjs 用无头 Chromium 渲染成 PDF。渲染之前有两道安全闸技能差距检查会把 JD 要求分成已有 / 简历已体现 / 缺失三桶并明确告知你缺什么事实门禁会拒绝任何编造的数字。所以最终 PDF 里出现的每一句成就都能在你的 cv.md 里找到出处。HTML 就绪后一条命令出 PDFnode generate-pdf.mjs output/cv-alex-acme.html output/cv-alex-acme.pdf --formata4纸张规格按公司所在地区自动选择美加用 Letter其余地区用 A4也可以用--format手动指定多份文档则用--batchmanifest.json一次渲染。更省事的做法是直接在 AI CLI 里粘上 JD触发/career-ops自动管线评估、定制简历、生成 PDF、写入追踪表一次做完。功能拆解求职高频场景的四种玩法场景一批量评估一堆岗位把多个 JD 丢进去batch模式会用无头 CLI 工作进程并行评估每个岗位独立产出一份 A–H 报告和评分几分钟后你手里就是一张值得投 / 观望 / 放弃的清单。所有模式文件集中在 modes/ 目录评估逻辑auto-pipeline.md、batch.md都明文可读。场景二扫描招聘板发现新岗位node scan.mjs扫描器覆盖 55 个 provider 模块跑 API 拉取后可选--verify用浏览器二次核验把已下架的僵尸岗位挡在管线之外。场景三用 Go 仪表板查看求职进度仪表板是一个独立的终端 UIBubble Tea 编写只读追踪文件、不依赖 Node 核心npm run serve:dashboard提供 6 个筛选标签、4 种排序、分组/平铺视图、报告懒加载预览和行内状态修改。场景四简历之后的半程面试套件分时段备战计划、模拟练习、面后复盘外加 红旗检测Offer 阶段合同条款陪读 律师问题清单salary-gap.mjs分析期望/广告/实际薪酬缺口跟进与回复followup-cadence.mjs计算跟进节奏reply-watch把雇主回复归类并更新追踪表插件系统Gmail、Notion、Apify 等集成默认全部关闭按需开启说明见 docs/PLUGINS.md。卡住了怎么办一条自检命令 两份官方指南环境或流程出问题时先跑一遍健康检查npm run doctor它会逐项验证 CLI、依赖、配置文件等前置条件。再往深排查的话这两份文档值得先读完整设置细节在 docs/SETUP.md常见疑问包括本地/低成本模型跑法在 docs/FAQ.md 和 docs/RUNNING_ON_A_BUDGET.md。上手清单你的第一周克隆仓库、npm install、npm run doctor通过 ✅填好config/profile.yml建出自己的cv.md粘第一个 JD跑完自动管线拿到第一份 A–H 报告生成第一份 ATS PDF 简历对照 CV 视觉测试 的样例确认排版用scan.mjs扫一轮目标公司启动仪表板盯住管线项目本身还在快速迭代——多语言模式、本地模型运行、桌面端都已在路线图上。而你的使用数据故事库、偏好、评估记录全部沉淀在本地文件里喂得越多它对你是谁、想要什么的理解就越准。装好之后把那个一直想投的岗位 JD 粘进去就是最直接的开局。【免费下载链接】career-opsOpen-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)项目地址: https://gitcode.com/GitHub_Trending/ca/career-ops创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考